apply、applymap、agg、transform、map对比

apply()

apply()属于DataFrame、Series对象的方法，可以针对DataFrame中的行数据或列数据、以及Series中数据应用操作。对DataFrame时，默认axis=0时，以列为单位进行操作；axis=1时，以行为单位进行操作。可使用聚合函数。

import pandas as pd
import numpy as np

frame = pd.DataFrame(np.random.rand(4, 3), columns = list('abc'), index = ['Utah', 'Ohio', 'Texas', 'Oregon'])
print(frame)
# 输出如下:
#                a         b         c
# Utah    0.443188  0.919623  0.550259
# Ohio    0.013923  0.557696  0.723975
# Texas   0.865469  0.720604  0.081306
# Oregon  0.506174  0.212421  0.061561


func = lambda x: x.max() - x.min()
print(frame.apply(func))
# 输出如下:
# a    0.851545
# b    0.707202
# c    0.662415
# dtype: float64

applymap()

applymap()是pandas里DataFrame的方法，它对DataFrame中的所有元素应用操作，不能使用聚合函数。

import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.rand(4, 3), columns = list('abc'), index = ['Utah', 'Ohio', 'Texas', 'Oregon'])
print(frame)
# 输出如下:
#                a         b         c
# Utah    0.443188  0.919623  0.550259
# Ohio    0.013923  0.557696  0.723975
# Texas   0.865469  0.720604  0.081306
# Oregon  0.506174  0.212421  0.061561
#注意使用applymap()可以格式化字符串，使用apply()会报错,可采用函数的方法达到相同的目的。
func = lambda x: f'{x:.2f}%'
print(frame.applymap(func))

# 输出如下:
#             a      b      c
# Utah    0.34%  0.43%  0.67%
# Ohio    0.75%  0.50%  0.14%
# Texas   0.68%  0.28%  0.90%
# Oregon  0.05%  0.86%  0.78%

agg()

agg()属于DataFrame、Series对象的方法，可与聚合函数一起使用,例如sum、avg、count等。

#对dataframe指定列进行指定的聚合运算
df = pd.DataFrame([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9],
                   [np.nan, np.nan, np.nan]],
                columns=['A', 'B', 'C'])
                
df.agg({'A' : ['sum', 'min'], 'B' : ['min', 'max']})

#输出：

        A    B
max   NaN  8.0
min   1.0  2.0
sum  12.0  NaN

transform()

transform()对DataFrame、Series的每个元素进行操作(以列为单元执行)，可与聚合函数一起使用，返回的DataFrame结构和原数组一致。

df = pd.DataFrame({'A': range(3), 'B': range(1, 4)})
 df
   A  B
0  0  1
1  1  2
2  2  3

 df.transform(lambda x: x + 1)
   A  B
0  1  2
1  2  3
2  3  4

#transform使用多个自定义函数
df = pd.DataFrame({'A': range(3), 'B': range(1, 4)})
trans=df.transform([np.sqrt, np.exp])

          A                   B           
       sqrt       exp      sqrt        exp
0  0.000000  1.000000  1.000000   2.718282
1  1.000000  2.718282  1.414214   7.389056
2  1.414214  7.389056  1.732051  20.085537

map()

map()是python自带的方法，可以在DataFrame中对具体的某一列使用.map()后缀的方式调用，对整个DataFrame使用会报错,不能使用聚合函数。

import pandas as pd
import numpy as np

frame = pd.DataFrame(np.random.rand(4, 3), columns = list('abc'), index = ['Utah', 'Ohio', 'Texas', 'Oregon'])
print(frame)
# 输出如下:
#                a         b         c
# Utah    0.443188  0.919623  0.550259
# Ohio    0.013923  0.557696  0.723975
# Texas   0.865469  0.720604  0.081306
# Oregon  0.506174  0.212421  0.061561

func = lambda x: f'{x:.2f}%'
print(frame['a'].map(func))
# 输出如下:
# Utah      0.65%
# Ohio      0.90%
# Texas     0.09%
# Oregon    0.72%
# Name: a, dtype: object

参考1
参考2